一般机器学习

[Skynet 基础】(二) 创建日志服务

日志系统一般分为5个等级：DEBUG：调试用的日志，线上运行时屏蔽不输出INFO：普通日志，线上运行时输出，
OSwich·2025-03-17 00:42

【人工智能基础2】机器学习、深度学习总结

文章目录一、人工智能关键技术二、机器学习基础1.监督、无监督、半监督学习2.损失函数：四种损失函数3.泛化与交叉验证4.过拟合与欠拟合5.正则化6.支持向量机三、深度学习基础1、概念与原理2、学习方式3
roman_日积跬步-终至千里·2025-03-16 23:02

一文搞懂 AI Agent 与 AI 大模型的区别

今天，我们就以Manus这类AIAgent为例，深入剖析AIAgent与一般AI大模型的不同之处。
a小胡哦·2025-03-16 23:02

JAVA第一课

图标+R图标（win的图标可能是四个小方格在你的键盘上，我的就是四个小方格，它是边摁win边摁R）会出来一个运行程序（名字叫“运行”），上面会显示“打开：”在“：”后输入cmd,就会出来小黑框了，进入的一般是系统所在的地方
爱吃苹果的日记本·2025-03-16 23:32

springboot整合阿里云短信服务

由于一般用户的手机号码不会随意改变，所以短信服务是检验使用者是否为用户本人的一种较为安全且有效的方案。
weixin_45907636·2025-03-16 22:51

IMX6ULL学习整理篇——UBoot的一些基础知识（1.编译流程）

前言笔者整理了最近刷IMX6ULL的一些学习笔记，这里打算稍微整理一下东西发上来作为作为一个补充正文大部分而言，当我们拿到源码的时候，一般都是——先使用make来生成一份针对我们目标开发板的配置。
charlie114514191·2025-03-16 21:49

【数据分享】1999—2023年地级市地方一般公共预算收支状况数据（科学技术支出/教育支出等）

本次我们分享的是从2000—2024年《中国城市统计年鉴》整理的地级市一般公共预算收支状况！数据年份为1999-2023年，对于数据年份
小鲨鱼-立方数据学社·2025-03-16 21:47

Python精进系列： K-Means 聚类算法调用库函数和手动实现对比分析

一、引言在机器学习领域，聚类分析是一种重要的无监督学习方法，用于将数据集中的样本划分为不同的组或簇，使得同一簇内的样本具有较高的相似性，而不同簇之间的样本具有较大的差异性。
进一步有进一步的欢喜·2025-03-16 21:15

热门AI创作助手推荐【第一期】

2.机器学习和数据分析：人工智能的机器学习算法被用于数据分析、预测建模、用户个性化推荐等领域，帮助企业做出更准确的商业决策。3.计算机视觉：人工智能在计算机视觉领域的应用包括图像识别、视
量子星澜·2025-03-16 20:11

Axure RP从入门到精通（五十七） 灵魂提问 - 写PRD需求文档是使用Word文档还是Axure？

在实际工作中有些公司使用Word文档来写需求文档（一般是大公司），有些公司使用Axure来写需求文档，他们习惯在画原型的时候在旁边写需求，并用辅助线来连接需求说明和对应的功能（组件），那么我们应该如何选择使用方式
风流 少年·2025-03-16 18:29

新手村：线性回归-实战-波士顿房价预测

新手村：线性回归-实战-波士顿房价预测前置条件阅读：新手村：线性回归了解相关概念实验目的1.熟悉机器学习的一般流程2.掌握基础的数据处理方法3.理解常用的回归算法教学例子：预测房价（以波士顿房价数据集为例
嘉羽很烦·2025-03-16 18:28

如何快速写开题报告？

一般而言，开题报告包括以下六个部分的内容：1.研究背景和意义2.文献综述3.研究提纲及预期贡献4.研究进度5.拟采用的研究方法、手段及采取的措施6.可能遇见
我是宝库·2025-03-16 18:27

【解锁机器学习：探寻数学基石】

机器学习中的数学基础探秘在当今数字化时代，机器学习无疑是最具影响力和发展潜力的技术领域之一。
游戏乐趣·2025-03-16 17:23

机器学习——正则化、欠拟合、过拟合、学习曲线

过拟合（overfitting）:模型只能拟合训练数据的状态。即过度训练。避免过拟合的几种方法：①增加全部训练数据的数量（最为有效的方式）②使用简单的模型（简单的模型学不够，复杂的模型学的太多），这里的简单指的是不要过于复杂③正则化（对目标函数后加上正则化项）：使得这个“目标函数+正则化项”的值最小，即为正则化，用防止参数变得过大（参数值变小，意味着对目标函数的影响变小），λ是正则化参数，代表正则
代码的建筑师·2025-03-16 17:51

从过拟合到强化学习：机器学习核心知识全解析

Langchain系列文章目录01-玩转LangChain：从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块：四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain：从核心链条构建到动态任务分配的实战指南04-玩转LangChain：从文档加载到高效问答系统构建的全程实战05-玩转LangChain：深度评估问答系统的三种高效方法（示例生成、手
吴师兄大模型·2025-03-16 16:16

服务器运行环境一般填什么,以下关于J2EE 应用服务器运行环境的叙述中，（ ）是正确的。 A．容器是构件的运行环境 B．构件是应用服务器...

以下关于J2EE应用服务器运行环境的叙述中，()是正确的。A．容器是构件的运行环境B．构件是应用服务器来源：信管网2016年11月03日【所有评论】972457126(cnitpm.com)22:38:50以下关于J2EE应用服务器运行环境的叙述中，()是正确的。A．容器是构件的运行环境B．构件是应用服务器提供的各种功能接口C．构件可以与系统资源进行交互D．服务是表示应用逻辑的代码遗失的美好(cn
曙Ouba·2025-03-16 16:45

利用matlab实现贝叶斯优化算法（BO）优化支持向量机回归(SVR)的超参数

【导读】在机器学习建模中，支持向量机（SVM）回归模型的效果高度依赖超参数选择。但手动调参就像"大海捞针"，而网格搜索又面临"计算爆炸"的难题。今天给大家介绍一个智能调参黑科技——贝叶斯优化算法。
是内啡肽耶·2025-03-16 16:41

php中文乱码无法解决_PHP基础|如何解决中文乱码问题？

一般来说，乱码的出现有2种原因，一种是由于编码(charset)设置错误，导致浏览器以错误的编码来解析，从而出现了满屏乱七八糟的“天书”，第二种就是文件被以错误的编码打开，然后保存，比如一个文本文件原先是
梦里一只喵·2025-03-16 15:06

设备物联网无线通信，ESP32-C3芯片模组方案，智能化联动控制

在这个数字化与智能化交相辉映的时代，科技早已不是束之高阁的抽象概念，而是如同空气一般，悄无声息却又实实在在地渗透进我们生活的每一处角落。
深圳启明云端科技·2025-03-16 15:30

回溯算法知识总结

回溯模版：1.建立回溯函数（一般以void返回）难点：如何选取参数（index，sum，used，...）voidbacktracking(参数)2.回溯终止条件难点：如何对应终止条件if(终止条件){
专业刷题Pia·2025-03-16 14:58

Python----数据分析（Pandas三：一维数组Series的数据操作：数据清洗，数据转换，数据排序，数据筛选，数据拼接）

对于Series对象，因为它是一维数据结构，只有一个轴，所以此参数默认值为0，且一般不需要修改这个参数（在处理DataFrame时该参数才有更多实际意义，如除，axis=1表示按列删除）。
蹦蹦跳跳真可爱589·2025-03-16 14:25

Flask 框架app = Flask(__name__) 解析

main‘:app.run(host=’0.0.0.0’,port=9000)第4行，引入Flask类，Flask类实现了一个WSGI应用第5行，app是Flask的实例，它接收包或者模块的名字作为参数，但一般
Nolannk·2025-03-16 13:53

机器学习的下一个前沿是因果推理吗？——探索机器学习的未来方向！

机器学习的进化：从预测到因果推理机器学习凭借强大的预测能力，已经彻底改变了多个行业。然而，要实现真正的突破，机器学习还需要克服实践和计算上的挑战，特别是在因果推理方面的应用。
真智AI·2025-03-16 13:49

如何设计一个高并发的秒杀架构？

秒杀一般出现在商城的促销活动中，指定了一定数量（比如：10个）的商品（比如：手机），以极低的价格（比如：0.1元），让大量用户参与活动，但只有极少数用户能够购买成功。
老程不秃·2025-03-16 12:42

深入解析LTE-A到5G的系统消息架构与功能演进

5G系统消息还通过机器学习和大数据分析实现智能化分发，增强了网络灵活性、智能
罗博深·2025-03-16 11:35

解决约束多目标优化问题的新方法：MOEA/D-DAE算法深度解析

解决约束多目标优化问题的新方法：MOEA/D-DAE算法深度解析在工程优化、机器学习等众多领域，约束多目标优化问题（CMOPs）广泛存在。
木子算法·2025-03-16 11:32

python 人工智能实战案例

游戏行业的蓬勃发展促使机器学习的产生，通过计算机能够进行高效率地模拟人类的学习、决策过程，不断升级提升人类的能力。游戏领域中的AI
2401_86114612·2025-03-16 11:31

Python 在人工智能领域的实际6大案例

从机器学习到深度学习，从自然语言处理到计算机视觉，Python提供了丰富的库和框架，使得开发者能够快速实现各种AI应用。本文将通过多个实际案例，展示Python在人工智能领域的强大功能和应用前景。
Solomon_肖哥弹架构·2025-03-16 10:00

基于AI算法实现的情感倾向分析的方法

完整代码：https://download.csdn.net/download/pythonyanyan/87430621背景目前，情感倾向分析的方法主要分为两类：一种是基于情感词典的方法；一种是基于机器学习的方法
程序员奇奇·2025-03-16 10:28

机器学习算法实战——天气数据分析（主页有源码）

机器学习算法在天气数据分析中的应用，不仅能够提高天气预报的准确性，还能为气候研究、灾害预警等提供有力支持。本文将介绍机器学习在天气数据分析中的应用，探讨
喵了个AI·2025-03-16 10:27

BUG 详解 [软件测试]

定义2.如何去描述一个bug2.1问题出现的版本2.2问题出现的环境2.3问题出现的步骤2.4预期结果,实际结果2.5其他3.bug的分类3.1崩溃(Blocker)3.2严重(Critical)3.3一般
猿周LV·2025-03-16 09:54

【论文阅读方法】沐神课程：如何读论文

一篇论文的一般结构titleabstractintroductionmethodexperienceconclusion三明治论文阅读法第一遍：海选title+abstract+conclusion——
晴空对晚照·2025-03-16 09:53

【Python机器学习】2.2. 聚类分析算法理论：K均值聚类(KMeans Analysis)、KNN(K近邻分类)、均值漂移聚类(MeanShift)

喜欢的话别忘了点赞、收藏加关注哦（关注即可查看全文），对接下来的教程有兴趣的可以关注专栏。谢谢喵！(=･ω･=)2.2.1.K均值聚类(KMeansAnalysis)K均值算法是以空间中K个点为中心进行聚类，对最靠近他们的对象归类，是聚类算法中最为基础但也最为重要的算法。数学原理计算数据点与各簇中心点的距离：dist(xi,ujt){dist}(x_i,u_j^t)dist(xi,ujt)然后根据
SomeB1oody·2025-03-16 08:13

顺序表和链表的比较

b.为了避免频繁的进行增容，我们一般都按照倍数去增容，用不完会有一定的空间浪费。链表(带头循环双链表)优点：1.任意位置插入删除效率高(O(n))。2.按需申请和释放空间。
数九天有一个秘密·2025-03-16 06:29

面试运维没工作经验怎么办？_没有运维经验去面试运维岗位

面试时候基本都是被拒之门外怎么办：今天我分享下我的经验：面试简历方面：一定要对自己的简历很熟悉，简历写得技能一定能说出一二，因为面试官很多问题都是挑的你的简历你写得问的，比如你写了熟练mysql主从同步原理集群搭建，一般肯定会问你
慕烟疏雨·2025-03-16 05:28

Julia语言的学习路线

特别是在科学计算、数据分析和机器学习等领域，Julia的表现十分出色，成为研究人员和开发者的热门选择。
樟松·2025-03-16 05:27

【机器学习】基于t-SNE数据可视化工程

一、说明t-SNE(t-DistributedStochasticNeighborEmbedding)是一种常用的非线性降维技术。它可以将高维数据映射到一个低维空间（通常是2D或3D）来便于可视化。Scikit-learnAPI提供TSNE类，以使用T-SNE方法可视化数据。在本教程中，我们将简要学习如何在Python中使用TSNE拟合和可视化数据。二、t-SNE是个什么？2.1什么是t-SNE？
无水先生·2025-03-16 04:17

数据处理和分析之数据降维：t-SNE：使用t-SNE进行数据可视化实践

数据处理和分析之数据降维：t-SNE：使用t-SNE进行数据可视化实践数据降维简介降维技术的重要性在数据科学和机器学习领域，数据降维是一种关键的技术，用于减少数据集的维度，同时保留数据的结构和重要信息。
kkchenkx·2025-03-16 04:17

mybatis一对多结果集,主表分页查询,子表条件查询

文章目录前言一、举个栗子二、如何解决这个问题1.嵌套查询2.嵌套结果集查询根据如上思路,这里做些伪代码方便大家理解总结太复杂了,有更简单的前言一对多查询mybatis中一对多的查询一般分为两种:嵌套查询
寂寞旅行·2025-03-16 04:15

NLP-二分类的应用-区分外卖评论好评/差评

目录一、概念二、二分类实战-划分好评/差评1.处理步骤2.实战代码一、概念文本分类一般可以分为二分类、多分类、多标签分类三种情况。
左岸Jason·2025-03-16 03:13

【数据结构】线性表----栈详解

我们在存取元素的时候，一般是在栈顶进
Skrrapper·2025-03-16 03:06

nvm日常使用中常用命令总结

日常开发vue项目中，不同的项目我们可能需要安装不同的node版本，但是为了方便切换node，我们一般会安装一个名称为nvm的工具，这里总结一下，nvm常用的命令：1、为了查看可用的Node.js版本，
上趣工作室·2025-03-16 02:03

数据分布偏移检测：保障模型在生产环境中的稳定性

数据分布偏移检测：保障模型在生产环境中的稳定性引言在机器学习系统从开发环境部署到生产环境的过程中，数据分布偏移问题是影响模型性能的主要挑战之一。
trust Tomorrow·2025-03-16 00:18

模拟退火算法详解

其出发点是基于物理中固体物质的退火过程与一般组合优化问题之间的相似性。
琛哥的程序·2025-03-16 00:18

python中的*args和**kwargs

学习函数，首先必须搞懂参数，一般的参数容易理解，但我们经常遇到*args和**kwargs这两个比较特殊的参数可能就会产生一些困惑。
花落雨微扬·2025-03-15 23:44

软件测试之测试用例详细解读

一、通用测试用例八要素1、用例编号；2、测试项目；3、测试标题；4、重要级别；5、预置条件；6、测试输入；7、操作步骤；8、预期输出二、具体分析通用测试用例八要素1、用例编号一般是数字和字符组合成的字符串
隐居人家的炊烟·2025-03-15 23:41

干货：Farrow设计实现详解

以下是Farrow系数设计的主要方法及步骤：1.设计目标与基本模型Farrow结构的一般形式为：H(z,μ)=∑m=0Mμm⋅(∑k=0Nck,mz−k)H(z,\mu)=\sum_{m=0}^{M}\
jz_ddk·2025-03-15 23:41

如何在docker私有仓库中删除镜像

启动该容器查看打包后的容器并启动(我这个是已经弄好的)dockerps-adockerstartregistry3.镜像上传至私有仓库（1）标记镜像为私有仓库的镜像dockertag镜像名ip:端口号(一般是
申朝先生·2025-03-15 23:09

基于热力梯度的线圈设计用来更替新型的储能方式

2.开发动态热-电-磁耦合模型，结合有限元分析（COMSOL）与机器学习算法（遗传算法优化参数）。
热爱电气·2025-03-15 23:07

【机器学习】skit-learn中LSI模型的实现

参考文献[1]sklearn_api.lsimodel–ScikitlearnwrapperforLatentSemanticIndexing[2]Pythonmodels.LsiModel方法代码示例
一穷二白到年薪百万·2025-03-15 21:28
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他